기본 콘텐츠로 건너뛰기

python; cv2.cvtColor ;RGB 영상 이미지 처리 방법

디지털 영상

 - 디지털 영상은 2차원 행렬의 형태로 표현되는데, 격자 하나를 하나의 픽셀이라고 부릅니다. 이를 3차원 영상처리에서는 복셀로 부르게 되는데요.
 - 각자의 기준점에서 영상 좌표를 지정하고 그리고 변경함에 따라서 선택적으로 영상을 처리할 수 있게 됩니다.


Digital Image의 유형은

  •  Binary Image : 0 혹은 1로 나누어진 이미지를 의미하고, 
  •  Gray scale image : 
  • color image
    - RGB color :
    - HSV color :
      H(ue) : 0 : red, 120도 : Green, 240도 : Blue)
      S(aturation) : 채도를 의미하고 색이 흐리다 , 진하다를 의미
      V(alue) : 명도를 의미, 색이 어둡다 깊다를 의미



사용법
cv2.cvtColor(scr, code)

parameter


  • scr : input image
  • code :
     - grayscale을 BGR로 변환하기 위해서는 cv2.COLOR_BGR2GRAY를 사용하면 된다.

예제
aaa = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

pl.imshow(aaa)
-원래 이미지
결과 이미지





댓글

댓글 쓰기

이 블로그의 인기 게시물

Kernel Density Estimation(커널밀도추정), Density plot in R

 Kernel Density Estimation(커널밀도추정) Density Estimation(밀도추정)  : 통계란, 데이터는 어떤변수가 가질 수 있는 다양한 가능성 중에 하나가 현실 세계에 구체화된 값이다. 그리고 우리는 그 변수의 성질을 파악하기위해서 부단히 노력을 한다. 하나의 데이터로 특성을 파악하기에는 어렵기 때문에 수많은 데이터를 이용해서 데이터의 특성을 파악하고자 노력을 한다. 이렇게 얻어진 데이터를 이용해서 데이터들의 분포로 부터 원래변수의 분포특성을 추정하고자 하는 것이 density estimation 이라고 한다.  - 밀도(density)는 수학적으로는 질량/부피 이지만,  밀도추정(density estimate), 기계학습, 확률, 통계 등에서 말하는 밀도(density)는 확률밀도(probagiltity density function)을 추정하는 것과 동일하다. f(a)는 x=a에서의 확률밀도(probability density)이다. 즉 x가 a라는 값을 가질 상대적인 가능성(relative likelihood)를 나타낸다.  즉 다시말하면 x=a 일 확률은 0이지만, x=a에서의 밀도는 0이 아니다. 또한 x가 a,b 사이의 값을 가질 확률은 그 구간의 확률밀도함수의 적분값으로 계산된다. 어떤 변수의 확률밀도함수(PDF)를 구할 수 있으면 그 변수가 가질 수 있는 값의 범위 및 확률, 기계학습 추정등에서 가장 핵심정인 요소중의 하나이다. Parametric vs Non-parametric 밀도추정. 밀도추정(density estimation)방법은 크게 parametric 방법과 non-parametric 방법으로 나뉜다. parametric density estimate는  확률밀도함수(PDF)에 대한 모델을 정해놓고 데이터들로부터 모델의 파라미터만 추정하는 방식이다.  즉 예를 들면 일일 교통량이 정규분포를 따른다고 가정해버리면...
댓글 쓰기
자세한 내용 보기

python; cv2.getStructuringElement

사용법 cv2.getStructutinElement(shape,ksize[,anchor]) parameter shape :  - MORPH_RET : 사각형  - MORPH_ELLIPSE : 타원형  - MORPH_CROSS : 십자 ksize => 커널의 사이즈를 의미 예제 :  element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7,7)) pl.imshow(element)
댓글 쓰기
자세한 내용 보기

moonbook # table 작성 tool

R은 base system과 Package로 구성된다. (1) Base system은 CRAN(Comprehensive R Archive Network) site에 접속해서 다운로드해서 설치했던 R 설치가 바로 Base system이다. (2) Package는 R함수, 데이터, 컴파일된 코드 등을 모아 놓은 것을 말함. 통계분석 목적/필요에 따라서 Base system에 레고 블록처럼 설치를 해서 사용하게 됩니다. package의 종류   - base package : 설치_불필요, 사용_불필요   - Recommended packages : 설치_자동, 사용_필요   - Other packages : 설치_개별설치, 사용_불러오기 필요.  즉, Other package만이 개별설치가 필요함.  R package설치는 install.packages("package name") 함수를 사용해야한다. 패키지 설치후에는 package를 불러오기만 하면된다. library(package name) 혹은 require(package name) 함수를 사용하면 된다. ""를 잘 구분해야함. install.package("moonbook")   #CRAN의 패키지 설치. requrire(moonBook)  #패키지 불러오기. res<- mytable(walk_yn ~age_gr+age+gender+smk_all+BMI_gr+BMI+sbp1+dbp1,                        data =mydata, method=1 , digits=1, max.ylev = 5) # data = mydata :  실제 데이터를 의미. # method =1   -> 정규분포로 가정하여 정규분포(normal distributi...
댓글 쓰기
자세한 내용 보기